ffmpeg中支持的音频互相转换的采样格式和声道分布

音频互相转换的采样格式

enum AVSampleFormat {
    AV_SAMPLE_FMT_NONE = -1,
    AV_SAMPLE_FMT_U8,          ///< unsigned 8 bits
    AV_SAMPLE_FMT_S16,         ///< signed 16 bits
    AV_SAMPLE_FMT_S32,         ///< signed 32 bits
    AV_SAMPLE_FMT_FLT,         ///< float 4字节 32 bits
    AV_SAMPLE_FMT_DBL,         ///< double
 
    AV_SAMPLE_FMT_U8P,         ///< unsigned 8 bits, planar
    AV_SAMPLE_FMT_S16P,        ///< signed 16 bits, planar
    AV_SAMPLE_FMT_S32P,        ///< signed 32 bits, planar
    AV_SAMPLE_FMT_FLTP,        ///< float, planar
    AV_SAMPLE_FMT_DBLP,        ///< double, planar
    AV_SAMPLE_FMT_S64,         ///< signed 64 bits
    AV_SAMPLE_FMT_S64P,        ///< signed 64 bits, planar
 
    AV_SAMPLE_FMT_NB           ///< Number of sample formats. DO NOT USE if linking dynamically
};

这里的数字，8，16(两个字节)，32等都是代表音频采样的位深

其中s16le，f32le，s8就是采样位深，le代表大小端，

交错模式和平面模式（Planar）

采样格式最后一个字母如果是P就代表数据格式是平面模式，存储时其左声道和右声道的数据是分开存储的，左声道的数据存储在data[0]，右声道的数据存储在data[1]，每个声道的所占⽤的字节数为linesize[0]和linesize[1]；
LLLLLLRRRRRRLLLLLLRRRRRRLLLLLLRRRRRRL…（每个LLLLLLRRRRRR为一个音频帧）
如果最后一个字母不是P就代表是交错模式，存储时是按照LRLRLR…的格式交替存储在data[0]中，linesize[0]表示总的数据量。
LRLRLRLRLRLRLRLRLRLRLRLRLRLRLRLRLRLRL…（每个LR为一个音频样本）

比如AAC目前编码基本都是一帧有1024个采样点，那么对于2chn的交错模式，就需要一帧1024个LR数据，对于planar模式就是一帧中先有1024个L，再加上1024个R
保存到本地的音频一定要用交错模式

linesize和nb_samples

linesize表示一个平面内总比特数(经过内存对齐)， nb_samples表示一帧音频帧的采样点数

采样频率：每秒钟采样的点的个数。常用的采样频率有：
22000（22kHz）： 无线广播。
44100（44.1kHz）：CD音质。
48000（48kHz）： 数字电视，DVD。
96000（96kHz）： 蓝光，高清DVD。
192000(192kHz): 蓝光，高清DVD。
采样精度（采样深度）：每个“样本点”的大小，
常用的大小为8bit， 16bit，24bit。
通道数：单声道，双声道，四声道，5.1声道。